هوش مصنوعی (AI) چیست؟ + کاربردهای هوش مصنوعی
زمان تقریبی مطالعه این مقاله: ۵ دقیقه
سلام به دوستان میکرولرنی عزیز 🙂 🙂 🙂
در مقاله “هوش مصنوعی چیست” و برای اولین بار در میکرولرن تصمیم گرفتیم تا دربارهی هوش مصنوعی صحبت کنیم. هوش مصنوعی یا Artificial Intelligence که با اختصار AI هم نامیده میشه تمام جنبههای زندگی ما را داره تحت تاثیر خودش قرار میده. کافیه به دستیارهای صوتی، خودروهای خودران مثل تسلا یا خیلی از نمونههای دیگه نگاهی بندازید تا متوجه بشید که این علم پویا چقدر در حال رشد و پیشرفت هست.
در این مقاله قصد داریم هوش مصنوعی را بررسی کنیم و با کاربردهای اون در زندگی آشنا بشیم. پس تا انتهای مقاله با میکرولرن همراه باشید.
فهرست مطالب
هوش مصنوعی چیست
اگر بخواهیم تعریف درستی از هوش مصنوعی ارائه دهیم؛ میتوان آن را یک شاخه قدرتمند از علم کامپیوتر با هدف هوشمند کردن ماشین بدانیم. بدین ترتیب ماشینها رفتاری شبیه به انسان هوشمند از خود نشان میدهند.
اگر به سادهترین تا پیچیدهترین رفتارهای انسان نگاهی بیندازید متوجه خواهید شد که تمام این رفتارها به دلیل وجود هوش در انسان است. علت این موضوع آن است که انسان میتواند با استفاده از تجربه و کسب اطلاعات استدلال کرده و تصمیمگیری کند.
حال اگر این فرآیند را با بسیاری از موجودات که اغلب رفتاری غریزی دارند مقایسه کنید متوجه خواهید شد که هیچ گونه هوشمندی در رفتار آنها نبوده و صرفا یک رفتار غریزی(واکنش از پیش تعیین شده به یک رویداد) انجام میدهند.
هوش مصنوعی سعی دارد تا هوشمندی واقعی (و نه صرفا یک رفتار غریزی) را برای یک ماشین ایجاد کند. این علم شاخههای متعددی دارد. در ادامه به معرفی و بررسی این شاخهها خواهیم پرداخت.
شبکهی عصبی (Neural Networks)
نام دقیقتر شبکه عصبی، Artificial Neural Networks یا شبکه عصبی مصنوعی است. این روش یادگیری از سیستم کارکرد سلولهای عصبی مغز انسان و سیناپسها الگو برداری کرده و دقیقا همانند مغز انسان امکان پردازش اطلاعات را فراهم میکند.
این شبکه مانند سیستم عصبی انسان، میتواند به کمک تجربیات آموزش ببیند و با شناسایی الگوهای مختلف آنها را در دستههای مربوطه قرار دهد.
در سیستمهای عصبی زیستی و از طریق برقراری اتصالات سیناپسی، فرآیند یادگیری اتفاق میافتد. مشابه همین روند در شبکههای عصبی مصنوعی، از طریق برقراری اتصال بین گرهها یا Nodeها انجام میشود.
یادگیری ماشین (Machine Learning)
یادگیری ماشینی یا ماشین لرنینگ یکی از حوزههای بسیار پر طرفدار هوش مصنوعی است. الگوریتمهای یادگیری ماشینی دادههای دریافتی را پردازش کرده و از آنها الگوهای مناسب را استخراج میکنند. سپس با یادگیری این الگوها، میتوانند از آنها برای تصمیمگیری در خصوص اتفاقات آینده استفاده کنند.
نکتهی مهمی که در این روش باید به آن دقت کرد آن است که، نیاز نیست برنامهای نوشته شود که در آن تمام رخدادهای ممکن و پاسخ به آنها پیش بینی شده باشد. در واقع برنامه بر اساس الگوریتمی نوشته میشود که قابلیت تصمیم گیری دارد. یعنی در شرایطی که برنامه تا کنون با آن روبه رو نشده است هم میتواند تصمیم گرفته و خروجی مناسب ارائه دهد.
برای آشنایی بیشتر با این حوزه، میتوانید آموزشهای یادگیری ماشینی را مشاهده کنید.
بینایی ماشین (Machine Vision)
بینایی ماشینی یا کامپیوتری تمرکز خود را بر ایجاد قابلیت بینایی برای کامیپوتر قرار داده است. در واقع هدف این شاخه آن است که کامپیوتر بتوانند همانند یک انسان تصاویر دو بعدی را دریافت کرده و درک کند. طبیعتا بر اساس این درک تصمیم گیری انجام خواهد شد.
الگوریتمهای بینایی ماشینی شامل اجزای بسیاری هستند. به نحوی که ابتدا تصاویر دریافتی را پردازش میکنند و اطلاعات مفید آن را استخراج میکنند. در مرحله بعدی این اطلاعات استخراج شده جهت تشخیص اشیاء خاص در تصویر مورد پردازش قرار گرفته و در نهایت تصمیم گیری انجام شده و خروجی مناسب به دست میآید.
یادگیری عمیق (Deep Learning)
در ادامه مقاله “هوش مصنوعی چیست” به یکی از حوزههای جذاب یعنی یادگیری عمیق میرسیم. یادگیری عمیق یا Deep Learning بخشی از یک دنیای بزرگتر به نام Machine learning است. این روش جدید بر پایهی شبکههای عصبی مصنوعی که قبلا هم وجود داشتند، ایجاد شده است. بنابراین یادگیری عمیق میتواند شبیه به ساختار مغز انسان عمل کند و به کامپیوترها این قابلیت را بدهد که رفتاری را انجام دهند که معمولا یک انسان انجام میدهد.
یادگیری عمیق در حوزههای مختلفی مثل خودروهای خودران، دستیارهای صوتی، شبکههای اجتماعی و .. کاربرد دارد. به وسیلهی آن خودرو میتواند تابلوها، ستونهای کنار جاده یا انسانها و حیوانات را شناسایی کند. علت توجه زیادی که به این حوزه شده است را میتوان در نتایج خوبی که به همراه داشته است جستجو کرد.
حال که به طور مختصر با یادگیری عمیق آشنا شدیم، کمی هم در مورد ساختار آن توضیح میدهیم. یادگیری عمیق در واقع به یک شبکهی عصبی بزرگ اشاره میکند. منظور از عمیق تعداد لایههای پنهان آن شبکه عصبی است. این لایهها ممکن است دو یا سه لایه یا حتی بیشتر از ۱۰۰ لایه باشند.
یکی از مشهورترین شبکههای عمیق، شبکه CNN است که موفقیتهای زیادی را کسب کرده است. این شبکه با افزایش دادهها خودش را تطبیق داده و گسترش مییابد. شبکه CNN نیاز به استخراج ویژگیها را حذف کرده و به خوبی میتواند تصاویر را دستهبندی کند. از کاربردهای این شبکه میتوان به بینایی ماشین اشاره کرد.
برای کسب اطلاعات بیشتر در این حوزه، میتوانید از این لینک آموزش یادگیری عمیق را دنبال کنید.
چشم انداز هوش مصنوعی
علی رغم پیشرفتهایی که در هوش مصنوعی رخ داده و نتایج بسیار خوبی که از آن به دست آمده است؛ عدهای بر این باور هستند که اگر هوش مصنوعی قانونمند و در مسیر با چارچوب حرکت نکند میتواند مشکلات زیادی برای بشر ایجاد کند. چرا که هوش مصنوعی خستگی ناپذیر است. بنابراین میتواند بدون محدودیت یاد بگیرد و تصمیم گیری کند. پس اگر کنترل نشود تبدیل به نیرویی خواهد شد که انسان را تهدید میکند.
بنابراین ضرورت دارد که هوش مصنوعی در مسیری درست هدایت شود.
آموزش هوش مصنوعی
بعد از آشنایی با کلیات هوش مصنوعی، احتمالا سوالی در ذهن شما شکل میگیرد که چطور میتوان هوش مصنوعی را یاد گرفت. برای اینکه بتوانید هوش مصنوعی را یاد بگیرد باید ابتدا تعیین کنید که در کدام حوزه میخواهید فعالیت کرده و آموزش ببینید. سپس میتوان سراغ آموزش بروید.
سخن آخر
میکرولرنیهای عزیز خسته نباشید 🙂
در مقاله “هوش مصنوعی چیست” سعی کردیم به صورت کلی هوش مصنوعی را معرفی کنیم و شاخههای مهم و کاربردهای اون را به شما نشون بدیم. قطعا یک مقاله فضای کافی برای عمق گرفتن را نداره و ما هم سعی داریم از این به بعد مقالههای زیادی در حوزه هوش مصنوعی براتون بنویسیم تا شما با جنبههای مختلف این علم زیبا آشنا بشید.
یادتون نرده که میکرولرن را به دوستان خودتون معرفی کنید تا ما هم پر انرژیتر از گذشته براتون به تولید محتوای با کیفیت ادامه بدیم. 🙂
درباره احسان عبداللهی
مدیر و موسس میکرولرن | برنامه نویسی پاسخی ظریف به یک نیاز در دنیای واقعی هست.
نوشته های بیشتر از احسان عبداللهی
دیدگاهتان را بنویسید